Esperanza Matemática

Si ” p” es la probabilidad de que una persona reciba una cantidad “x”, la esperanza

matemática “E” se define como:

E=p.x
El concepto de esperanza matemática se extiende fácilmente. Si “x” denota una
variable aleatoria discreta que puede tomar los valores x 1 , x 2 , x 3 , x 4 , … , x k con
probabilidades p1 , p2 , p 3 , p 4 ,… , pk , donde la sumatoria de la probabilidad es igual a uno
la esperanza matemática de x se define como:

E ( x )= p1 x1 + p2 x2 + p3 x 3+ p 4 x 4 +…+ pk x k =∑ p . x

Ejemplos:

1) Calcular la esperanza matemática de que una persona gane 10 dólares con una
probabilidad de 1/5.

2) Un boleto de una rifa ofrece dos premios, uno de 50 dólares y otro de 20

dólares, con probabilidades de 0.6 y 0.4 respectivamente. ¿Cuál es el precio
justo a pagar por la boleta de rifa?

3) En un negocio aventurado, una señora puede ganar 100 000 gs. con
probabilidad 0.6, o perder 50 000 gs. con probabilidad 0.4. hallar la esperanza
matemática de ganar de la señora.
 4) La distribución de probabilidad de nacer varón en una familia con 3 hijos,
supuesta que la probabilidad de nacer varón o mujer son iguales, está en la
siguiente tabla:

Nro. de varones (x) 0 1 2 3

P(x) 1/8 3/8 3/8 1/8

Calcular la esperanza matemática de que nazca varón en esa familia.

Si llueve, un vendedor de paraguas gana 30 dólares al día, y si no llueve pierdo 6

dólares al día. ¿Cuál es su esperanza matemática si la probabilidad de lluvia es 0.3?

Teoría Elemental de Muestreo

La teoría del muestreo estudia la relación entre una población y las muestras tomadas de ella.
Es de gran utilidad en muchos campos, para estimar magnitudes desconocidas de una
población tales como la media, mediana, varianza, etc. Llamadas parámetros de la población a
partir de conocimientos de esas magnitudes sobre muestras que se llaman estadístico de la
muestra.
 Distribución de Muestreo
Una distribución poblacional es una distribución de todos los valores de las mediciones
individuales en una población y una distribución muestral es una distribución de los valores
individuales en una muestra. A diferencia de estas distribuciones de valores de mediciones
individuales, una distribución de muestreo se refiere a la distribución de los distintos valores
que un estadístico muestral, o estimador, tomaría en muchas muestras distintas; todas del
mismo tamaño.

Muestra 1 Muestra 2 Muestra 3 Muestra 4 Muestra 5

14,95 14,99 15,09 14,71 14,96

14,96 15,07 14,98 14,97 15,20
14,95 15,08 15,05 14,88 15,31
15,03 14,94 14,99 14,98 15,21

x 14,97 15,02 15,03 14,88 15,17

Mediana 14,96 15,03 15,02 14,91 15,08

S 0,039 0,067 0,052 0,119 0,149

En la tabla se presenta cada uno de los pesos en una muestra de 5 subgrupos racionales de
tamaño cuatro paquetes de papas fritas. Las cinco muestras se tomó de un proceso que es
estable y que tiene una distribución normal de los pesos empacados con media μ=15 onzas y
desviación estándarσ =0 , 10 onzas. Observe que estos valores de los estadísticos muestrales
varían de una muestra a otra, pero que también los valores de los estadísticos muestrales se
agrupan alrededor de sus respectivos parámetros poblacionales.

Muestreo con y sin Reposición

Si sacamos un número de una urna, podemos volver a poner en ella o no, antes de la siguiente
extracción. En el primer caso, ese número puede salir de nuevo más veces, mientras que en el
segundo sólo puede salir cada número una vez. Estos dos tipos de muestreo se llaman,
respectivamente, muestreo con reposición y muestreo sin reposición.

Las poblaciones son finitas o infinitas si sacamos los números de una urna sin reposición de
una urna, caso contrario es infinitas. Para muchos efectos prácticos, una población muy grande
se puede considerar como si fuera infinita.

Distribución de Muestreo de Medias

Supongamos que se toman todas las posibles muestras de tamaño N, sin reposición, de una
población finita de tamaño N p > N . Cuando se extraen muestras de una población finita y de
tamaño limitado existe un factor de corrección finita para la determinación correcta del error
estándar. Como regla general la corrección es mínima y puede omitirse cuando N <5 % . N p
denotamos el valor esperado de la media de la distribución de muestreo como μ x̅ y la
desviación típica de la distribución de muestreo o error estándar por σ x̅ ; y, la media y
desviación típica de las poblaciones por μ y σ se tienen:

μ x̅ ̅ =μ σ x̅ =
σ
√N √ N p−N
N p−1

Si la población es infinitas o si el muestreo es con reposición, los resultados anteriores se

reducen a:
σ
μ x̅ ̅ =μ σ x̅ =
√N
Obs.: si no se conoce la desviación estándar de la población o del proceso, se puede estimar el
error estándar de la media usando la desviación estándar muestral como estimador de la
desviación estándar poblacional. Para diferenciar este error estándar estimado del error
estándar exacto basado en la σ conocida. Para calcular el error estándar estimado de la media
se usa la expresión:

sx=
s
√N
sx=
s
√N √ N p−N
N p−1

Ejercicios:

1) Suponga que la media de una población muy grande es 50 y la desviación estándar 12.
Calcule la media esperada y el error estándar de la distribución de muestreo con
tamaño 36.

2) En el ejercicio anterior, suponga que los valores de la media y desviación estándar se

extraen de una población de 100 datos. Determine el valor esperado y el error
estándar.
 3) Un auditor toma una muestra aleatoria de tamaño 16 de un conjunto de 1500 cuentas
por cobrar. La desviación estándar de los montos en todas las cuentas por cobrar no se
conoce, sin embargo la deviación estándar muestral es de 57 dólares. Calcular el error
estándar de la distribución de muestreo de medias.

4) Se sabe que la vida media útil de los tubos fluorescentes de una marca es 9 000 hs. y la
desviación estándar de 500 hs. Determine el valor esperado y el error estándar de la
distribución de muestreo para la media de tamaño 25.

Distribución de Muestreo de Proporciones

Supongamos que una población es infinitas y que la probabilidad de ocurrencia de un
suceso es p, mientras la probabilidad de que no ocurra es q = 1 – p. consideremos
todas las posibles muestras de tamaño N de tal población y para cada una de ellas
determinemos la proporción de éxitos p; obtenemos así una distribución de muestreo
de proporciones cuyo valor esperado de la proporción y el error estándar, viene dada
por:

μ p= p σ p=
√ √
pq
N
=
p (1− p)
N

Ejercicios:

1) En unas elecciones uno de los candidatos obtuvo el 46% de los votos. Hallar el valor
esperado y el error estándar del muestreo de proporciones de a) 200 y b) 1000
votantes elegidos al azar.
2) Se ha encontrado que el 2% de las piezas fabricadas en una cierta máquina son
defectuosas. ¿Cuál es el valor esperado y el error estándar de un muestreo de tamaño
10?